Pandas按ID分组计算Usage_type累计出现次数并新增对应列

实现方案 #

通过生成Usage_type对应类型的布尔标识列，再按ID分组做累计求和即可实现，核心调用pandas的groupby+cumsum方法。

固定类型写法（仅包含Note、Service两类）

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'ID': [5,6,7,5,7,10],
    'Usage_type': ['Note', 'Note', 'Service', 'Note', 'Note', 'Service']
})

# 生成两类累计统计列
df['type_Note'] = df['Usage_type'].eq('Note').astype(int).groupby(df['ID']).cumsum()
df['type_Service'] = df['Usage_type'].eq('Service').astype(int).groupby(df['ID']).cumsum()

print(df)

运行后输出结果与你给出的预期完全一致。

通用动态写法（适配任意多的Usage_type类型）

如果后续Usage_type可能新增其他类型，可以用遍历的方式自动生成所有对应累计列，无需手动写死类型：

for usage_type in df['Usage_type'].unique():
    df[f'type_{usage_type}'] = df['Usage_type'].eq(usage_type).astype(int).groupby(df['ID']).cumsum()

逻辑说明

• 先用eq()判断当前行的Usage_type是否为目标类型，转为int后符合条件的行值为1、不符合为0
• 按ID分组后执行cumsum()做累计求和，即可得到每个ID对应类型到当前行为止的累计出现次数

内容的提问来源于stack exchange，提问作者mmkb